Erreur 401 : que faire quand gemini-3.5-flash-lite échoue

Un 401 signifie que l'authentification a échoué : la requête ne porte pas de clé API, ou la clé est invalide, supprimée ou expirée.

401 Unauthorized signifie que la requête ne porte aucun identifiant valide. La passerelle n’a pas pu identifier l’appelant, donc la requête n’atteint jamais le modèle upstream. Vérifier l’en-tête Authorization et l’état de la clé est la seule voie.

gemini-3.5-flash-lite est fourni par Google. Tout sur cette page — causes, correctifs et données mesurées — est établi à partir du comportement réel de ce modèle au niveau de la passerelle.

Sur cette passerelle, le déclencheur le plus courant est : L'en-tête Authorization est absent. La première action recommandée : Envoyez l'en-tête sous la forme Authorization: Bearer suivi de votre clé.

Causes fréquentes

  • L'en-tête Authorization est absent
  • La clé est mal orthographiée ou contient des espaces superflus
  • La clé a été supprimée ou désactivée sur la page Jetons
  • Une clé d'une autre plateforme a été utilisée par erreur

Comment corriger

  • Envoyez l'en-tête sous la forme Authorization: Bearer suivi de votre clé
  • Générez une nouvelle clé sur la page Jetons
  • Vérifiez que vous n'utilisez pas la clé d'un autre service
  • Validez la clé avec une requête curl minimale

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque gemini-3.5-flash-lite renvoie 401 : jusqu’à 5 tentatives, avec une attente croissante et un jitter aléatoire pour éviter que les appels concurrents ne réessaient simultanément. Lisez l’URL de base et la clé API depuis les variables d’environnement, ne les écrivez jamais en dur.

import os, time, random
import requests

BASE  = os.getenv("OPENAI_BASE_URL")   # e.g. https://<your-gateway>/v1
KEY   = os.getenv("OPENAI_API_KEY")
MODEL = 'gemini-3.5-flash-lite'


def chat(messages, retries=5):
    """Retry with exponential backoff + jitter."""
    for i in range(retries):
        try:
            r = requests.post(
                BASE + "/chat/completions",
                headers={"Authorization": "Bearer " + KEY},
                json={"model": MODEL, "messages": messages, "stream": True},
                timeout=60,
            )
            if r.status_code == 429 or r.status_code >= 500:
                time.sleep(min(2 ** i + random.uniform(0, 1), 30))
                continue
            r.raise_for_status()
            return r.json()
        except requests.exceptions.Timeout:
            time.sleep(min(2 ** i + random.uniform(0, 1), 30))
    raise RuntimeError("gave up after " + str(retries) + " retries")


print(chat([{"role": "user", "content": "hello"}]))

Données clés de ce modèle

Point de terminaison APIhttps://api.airai.cc/v1
Compatible OpenAIOpenAI-compatible
FournisseurGoogle
Contexte1M
CapacitésReasoning, Tools, Files, Vision, Audio
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 0.3 + cr * 0.03 + c * 2.5

Questions fréquentes

401 est-il lié à la facturation de gemini-3.5-flash-lite ?

Seule la sortie déjà produite est facturée, pas la partie échouée. Avec la facturation p * 0.3 + cr * 0.03 + c * 2.5, les requêtes échouées ne sont pas comptées dans l’usage. En estimant le coût à partir de p * 0.3 + cr * 0.03 + c * 2.5, incluez aussi le budget de relances.

Le traitement asynchrone ou par lots évite-t-il 401 ?

Ici les vraies variables sont la concurrence et les délais d’attente, pas le modèle. Baissez d’abord la concurrence : la plupart des problèmes de débit disparaissent ensuite. Ce modèle dispose d’une fenêtre de contexte de 1M et vient de Google. Un contexte de 1M signifie que les longues entrées allongent nettement la latence du premier token. Ajoutez une couche de cache pour que les requêtes répétées n’atteignent pas toutes le modèle.

Un contexte long rend-il 401 plus probable ?

Les paramètres doivent changer ; réessayer seul ne suffira pas. C’est un problème de configuration côté client ; rien ne change côté serveur. Les balises de capacité sont Reasoning, Tools, Files, Vision, Audio, et les plafonds de paramètres en découlent. La fenêtre de contexte 1M fixe l’entrée maximale par requête ; au-delà, c’est rejeté immédiatement. Échouez rapidement sur les erreurs de paramètres au lieu d’y dépenser des relances. Tronquez ou résumez les entrées longues : cela réduit nettement 401.

Quelles informations donner au support lors d’un signalement ?

Regroupez les erreurs par heure et par nœud ; la tendance est généralement évidente. Conservez l’identifiant de requête et le corps brut de la réponse, sinon rien ne peut être retracé. Ce modèle est servi par Google, l’état en amont dépend donc des annonces du fournisseur. Enregistrez l’identifiant de requête à chaque échec : c’est plus utile que le code d’état. Reproduisez d’abord le cas en préproduction avec le même corps de requête.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Retour à la page du modèle

Données mises à jour: 2026-10-11 19:15

Support techniqueAssistance en ligne
Haut de page